10 月 22 日，2026 科大讯飞全球 1024 开发者节在北京举行，董事长刘庆峰发布基于全国产算力训练的星火 X2.6 大模型，首次把”端云一体”做成完整架构：端侧与云端按任务分工、按需协同，兼顾效果、安全与成本。本文梳理三个看点。
发布核心：全国产算力上的端云一体架构
先看基本盘。综合上证报、环球时报等信源：星火 X2.6 采用 293B 总参数、单次激活 30B 的混合专家架构，支持 100 万 Token 上下文，已部署在国产万卡推理集群上。刘庆峰在演讲中强调，这是模型首次基于全国产算力实现代码与智能体能力突破，多项技术指标对标业界一流水平。端云一体的思路也不复杂：手机、PC、AI 眼镜、智能座舱等设备先自行处理部分任务，复杂的再交给云端；涉及敏感信息时先在本地脱敏，用户确认后才发送，原始文件不出端。在演示环节，一套”采购合同审核”流程由端云协同完成，风险条款识别后直接生成带修订记录的文档。
看点一：端侧 4B 模型开始”能办事”
这次发布里最具体的进展在端侧。星火 X2.6-4B 通过端云一体训练，采用”端侧模型能力感知”的自适应迭代后训练算法——简单说，小模型会根据自己的短板动态选择教师模型、调整学习内容，重点强化长文本理解与工具调用，官方公布的智能体任务覆盖度达到 41.9%。配套的端云路由机制基于评语模型训练，路由准确率提升至 96.1%，即九成六以上的任务能被准确分配到端侧或云侧执行。对普通用户的直接意义是：简单任务本地响应更快、成本更低，隐私数据可以完全不经过云端。
看点二：训练与推理效率的硬指标
国产芯片的显存与带宽限制，倒逼出了两项工程优化。训练侧，长程任务动态并行训练技术按任务长度自适应分配算力，超长上下文训练效率提升约 4 倍；推理侧，基于国产集群的自适应存算协同推理，结合首个全国产设备上的四层 KVCache 与分布式推理技术，推理效率提升 4.5 倍。这两个数字放在行业背景下看更有意义：此前一周 DeepSeek、MiniMax 先后更新轻量级 Flash 模型，各家都在算力约束下寻找”更小、更快、更便宜”的平衡点，讯飞选择的是把宝押在全国产算力栈上。
看点三：行业落地跑在参数竞赛前面
发布会的另一个信号是落地优先。星火 X2.6 率先应用于教育、医疗、法律等民生场景：法律助手”讯飞晓法”覆盖案情梳理到庭审策略的全流程，官方称整体办案效率提升 45% 以上；现场演示的机器人公司经营复盘中，模型仅靠本地资料就关联周报、邮件并识别出经营风险。同步亮相的还有语音基座 SparkAudio1.0、星帆 WinWork 数字员工平台和 AIPC 系列产品。相比单纯比拼跑分，这种”场景优先”的路线与业内观察一致——竞争重心正在从模型规模转向真实可用性。
对普通用户与开发者意味着什么
对开发者，端云一体提供了一种新的集成思路：应用可以把轻量推理放在设备端、复杂任务调用云端，兼顾成本与数据边界，这对企业级应用尤其重要。对普通用户，端侧能力增强意味着更多功能可以离线使用、响应更快、隐私顾虑更少。当然也要保持理性：官方披露的效率提升多来自自家场景测试，第三方横评仍需等待。国产模型的追赶节奏值得关注，本站此前梳理的中国 AI 大模型调用量霸榜和大模型免费额度收缩，都指向同一个趋势——国产大模型正从”可用”走向”实用”。
结语
星火 X2.6 的发布，与其说是一款新模型的亮相，不如说是国产 AI 基础设施的一次整体验收：全国产算力训练、万卡推理集群、端云协同架构三个环节首次串成闭环。它证明的不是某个跑分第一，而是一条不依赖海外算力的产品化路径已经走通。接下来值得观察的，是端侧模型覆盖度能否继续提升，以及行业场景的效率数据能否在第三方评测中复现。大模型开源与端侧落地的更多动向，可以参考本站的开源大模型十月动向盘点，同类国产轻量模型的表现也可对照MiniMax M3.1 Flash 发布一文来看。